本次查询：空间智能
中文解释：空间智能
常见场景：在自动驾驶 / 机器人导航 / AR / VR / 3D建模和智慧城市等领域
一句话解释
空间智能就是让AI具备像人类一样理解三维空间的能力——知道物体在哪儿、有多大、怎么移动，以及自己该往哪儿走。它把2D图像、点云或视频变成可交互的3D认知，比如机器人抓取杯子前先“看”懂杯子的位置和朝向。
为什么会被关注
过去AI在图像识别、文本生成上突飞猛进，但面对真实物理世界时却十分笨拙——它看不懂深度、算不准距离。空间智能补齐了这个短板，让机器人、汽车和虚拟现实设备真正“扎根”于物理环境。2024年以来，多模态大模型结合空间理解成为新热点，李飞飞团队创立的World Labs更将空间智能视为AI通往现实世界的关键桥梁。
核心逻辑
空间智能的核心是将传感器数据（如摄像头、激光雷达）转化为结构化空间表达。它通常包含三个环节：一是感知，从图像或点云中提取深度、表面法向量；二是理解，识别物体类别并建立空间关系（如“桌子在椅子左边”）；三是推理，预测物体运动、遮挡变化，并生成可执行的动作指令。近年NeRF、3D高斯泼溅等新技术大幅提升了三维重建的效率与真实感。
常见场景
自动驾驶是空间智能最典型的应用：车辆通过多传感器融合实时构建周围3D地图，判断行人、车辆的距离和运动轨迹。在机器人领域，家庭扫地机器人用SLAM算法一边移动一边建图；工业机械臂通过空间定位精准抓取零件。AR眼镜则依靠空间智能将虚拟信息“钉”在真实物体上，让用户感觉虚拟物体就像真实存在一样。
容易混淆的点
很多人把“空间智能”和“3D视觉”划等号，但3D视觉只是感知层，空间智能还包括更高层的推理与行动规划。另一个常见混淆是“空间计算”——它偏向于交互与显示（如Apple Vision Pro），而空间智能更侧重底层理解与决策。此外，神经辐射场（NeRF）也常被误当作空间智能的全部，其实它只是三维重建的一种优秀工具。